362 articoli
Questo articolo identifica e sfrutta un nuovo canale laterale nei computer quantistici a ioni intrappolati, dimostrando come le fughe di segnali radiofrequenza dai modulatori acusto-ottici possano essere utilizzate per estrarre informazioni proprietarie sulle operazioni quantistiche e proponendo strategie per mitigare tale vulnerabilità.
Il paper presenta AUTOTEE, un approccio basato su modelli linguistici di grandi dimensioni (LLM) che automatizza l'identificazione, la trasformazione e il porting di funzioni sensibili in ambienti di esecuzione attendibili (TEE), riducendo la necessità di intervento manuale e ottenendo elevate prestazioni nei linguaggi Java e Python.
Questo lavoro propone un approccio medio-case innovativo per la selezione accurata dei parametri del cifrario BGV, che tiene conto delle dipendenze tra gli errori generati dalla stessa chiave per ottimizzare l'efficienza garantendo la sicurezza.
Questo lavoro presenta un metodo di autenticazione rapido e robusto per le Funzioni Unclonabili Fisiche (PUF) ottiche che utilizza l'algoritmo SIFT per estrarre caratteristiche invarianti dai pattern di speckle, garantendo un riconoscimento sicuro anche in presenza di rotazioni, zoom o ritagli dell'immagine.
Questo studio rivela come Google e Meta incentivino la raccolta di dati personali tramite configurazioni di tracker sui siti web, evidenziando che, sebbene i tracker di Google siano più diffusi, quelli di Meta siano configurati per raccogliere dati da moduli web con frequenza significativamente maggiore, spesso in violazione delle politiche di privacy.
Il paper presenta CyberSleuth, il primo agente LLM autonomo progettato per automatizzare l'analisi forense post-mortem di attacchi web, dimostrando attraverso un sistema multi-agente specializzato una capacità superiore nel correlare prove, identificare exploit e generare report accurati con un'accuratezza dell'80% su casi reali.
Questo articolo introduce una prospettiva di sicurezza sulla supervisione umana dell'IA, modellandola come applicazione informatica per identificare sistematicamente nuove superfici di attacco e proporre strategie di mitigazione nel contesto socio-tecnico.
Questo lavoro presenta algoritmi classici efficienti per i problemi e a soluzione intera vincolata, dimostrando che non esiste più un vantaggio quantistico esponenziale per tali problemi, invalidando così i risultati precedenti di Chen, Liu e Zhandry.
Questo articolo dimostra che le attuali difese contro l'hijacking del flusso di controllo nei sistemi multi-agente sono vulnerabili a causa di conflitti intrinseci tra sicurezza e funzionalità, proponendo quindi ControlValve, un nuovo meccanismo di difesa che garantisce l'integrità del flusso di controllo attraverso la generazione e l'applicazione di grafi di esecuzione autorizzati.
Il paper introduce GhostEI-Bench, il primo benchmark progettato per valutare la resilienza degli agenti mobili basati su modelli visione-linguaggio contro gli attacchi di iniezione ambientale in ambienti dinamici, rivelando la loro vulnerabilità critica a elementi UI manipolati e proponendo un protocollo di analisi per migliorare la sicurezza.
Il paper presenta DeiTFake, un modello di rilevamento dei deepfake basato su DeiT che, grazie a una strategia di training progressivo in due fasi con aumentazioni crescenti, raggiunge un'accuratezza del 99,22% e un AUROC di 0,9997 sul dataset OpenForensics, superando le prestazioni delle soluzioni attuali.
Il paper presenta BRIDG-ICS, un framework basato su Knowledge Graph potenziati dall'intelligenza artificiale e dai modelli linguistici di grandi dimensioni per l'analisi contestuale delle minacce e la valutazione quantitativa della resilienza cibernetica nei sistemi ciber-fisici dell'Industria 5.0.
Questo articolo presenta il "Zombie Agent", un attacco persistente che sfrutta la memoria a lungo termine degli agenti LLM auto-evolutivi per iniettare covertamente payload tramite contenuti web non fidati, trasformando l'agente in un puppet controllabile dall'attaccante anche dopo la sessione iniziale e dimostrando l'insufficienza delle difese basate solo sul filtraggio del prompt.
Il documento propone SDKG, uno schema DKG UC-sicuro per portafogli a soglia multi-dispositivo che, sfruttando chiavi non esportabili in hardware e tecniche di verifica senza condivisione, garantisce la coerenza affine e l'estraibilità UC senza richiedere la condivisione dei segreti o l'uso di VSS.
Questo lavoro presenta Lap2, un nuovo metodo che supera le limitazioni della scalabilità del DP-SGD basato sul meccanismo di Laplace in ambienti ad alta dimensionalità consentendo il clipping L2 tramite la teoria della maggiorizzazione, ottenendo così prestazioni di addestramento comparabili o superiori a quelle del meccanismo Gaussiano.
Il paper presenta JAILBREAK FOUNDRY, un sistema multi-agente che automatizza la traduzione delle tecniche di jailbreak da articoli accademici a moduli eseguibili per garantire benchmark di sicurezza riproducibili, coerenti e aggiornati per i modelli linguistici su larga scala.
Questo studio presenta la prima audit sistematica delle "shadow API", rivelando che molti servizi di terze parti che promettono accesso a modelli LLM avanzati utilizzano pratiche ingannevoli, con risultati significativamente diversi e non sicuri rispetto alle API ufficiali, minando così la validità della ricerca scientifica e l'affidabilità per gli utenti.
Il paper introduce IoUCert, un nuovo framework di verifica formale che supera le difficoltà legate alle trasformazioni non lineari e alla metrica IoU per garantire la robustezza di modelli di rilevamento oggetti basati su anchor come SSD e YOLO.
Questo studio rivela che la progettazione interattiva predefinita degli annunci pubblicitari su TikTok, Facebook e Instagram crea una falla nella privacy che permette agli inserzionisti di visualizzare i profili degli utenti che interagiscono con i loro annunci, contraddicendo le promesse delle piattaforme di proteggere i dati degli utenti e suggerendo modifiche progettuali per garantire maggiore trasparenza.
Il lavoro propone un modello di pagamento CBDC offline basato su dispositivi IoT che integra elementi sicuri, prove a conoscenza zero e sincronizzazione intermittente per garantire transazioni private, sicure e conformi alle normative AML/CFT anche in ambienti privi di connettività.